别再迷信万亿参数！2026年你该关心的，是让AI“乖乖干活”【深度】- 大数跨境

全球风口

2026-01-08

导读：看懂CES展2026

抓住风口

本期要点：在CES展的第一线，如何观察“行为智能”？

你好，我是王煜全，这里是王煜全要闻评论。

明天，我们的CES展观展团将正式启程。

CES新焦点：从内容智能到行为智能

本届CES展，传统消费电子退居次席；人形机器人、机械臂、AI眼镜与耳机、AI芯片及边缘计算芯片成为主角。

踏入展馆前，需明确观展核心：不是看硬件能否对答如流，而是看其是否具备执行具体任务的能力——这正是“行为智能”的本质。

行为智能代表AI演进的第二阶段：从生成内容（写诗、作画、写代码）转向完成动作（点外卖、操控设备、辅助决策）。通用大模型擅长“猜词”，而行为智能追求“做对事”。

大行为模型（LBM）并非替代大语言模型（LLM），而是对其能力的聚焦与重构。它不追求参数规模，而强调任务准确性、端侧响应速度和隐私安全性。

训练数据不再是海量文本，而是结构化的约束条件与动作序列；模型目标是预测“下一个最合理的动作”，而非“下一个最可能的词”。

以点外卖为例：LBM无需理解宏观经济，只需熟悉平台界面、菜品信息、用户偏好，并在预算、口味、时效等多维约束下，快速制定并执行操作计划。

为满足终端部署需求，LBM参数量可压缩至数亿级，支持离线运行，降低延迟、保障隐私；仅复杂任务才交由云端大模型协同处理。

多数硬件厂商既无自研大模型能力，也难获顶级AI公司深度定制支持。更可行的路径是“积木式创新”——通过集成开源模型、调用API或与垂直领域AI公司合作，快速赋予设备基础交互与任务执行能力。

真实场景使用即数据采集过程。如特斯拉通过“影子模式”采集人类驾驶行为，硬件厂商也可在用户纠错中获取高价值行为标注数据。

系统性收集、清洗行为数据后，企业可用开源架构训练专属大行为模型，实现任务执行更精准、体验更流畅，进而吸引更大用户群、产生更丰富数据，形成“数据—模型—体验—增长”的正向飞轮。

苹果、华为、小米等软硬一体厂商虽具先天优势，但关键在于是否已将行为智能上升为核心战略，有意识开展数据沉淀与算法迭代，构建闭环业务模式。

一、看模型定位：是否专注某项具体任务执行，而非泛化对话能力；

二、看软硬协同：代表“手”与“眼”的硬件，能否真正服从于代表“大脑”的行为模型；

三、看数据闭环：厂商是否与大模型公司建立实质性合作，是否系统性收集、清洗并用于训练行为模型——这是布局行为智能最直接的标志。

同时需关注芯片层是否开始适配行为智能需求，以及是否有AI公司基于真实行为数据训练垂类专用模型。当这些基础设施逐步成熟，行为智能的大规模商业化爆发将水到渠成。

从内容智能迈向行为智能，AI进入商业价值爆发第二阶段。这一阶段，中国有望实现反超——无需复制美国路径，而是依托庞大应用场景、快速迭代能力和制造优势，在细分领域率先构建执行更精准、体验更流畅的大行为模型。

通用模型参数量不再是决胜关键；真正的护城河，在于对真实需求的理解力、对业务场景的把握力，以及对具体任务的执行力。

以上就是本次CES前瞻的核心观点。明日我将在展会现场，与中国科技企业家共同观察全球创新前沿趋势，并在后续科技特训营中第一时间分享洞察。

王煜全要闻评论，我们明天见。

【声明】内容源于网络

全球风口

全球科技创新产业专家、海银资本创始合伙人、前哨科技特训营主理人王煜全的自媒体平台。

内容 2681

粉丝 0

全球风口全球科技创新产业专家、海银资本创始合伙人、前哨科技特训营主理人王煜全的自媒体平台。

总阅读18.8k

粉丝0

内容2.7k